آیا سه الگوریتم فناوری حضور در تشخیص چهره را می دانید؟

فناوری حضور در تشخیص چهره ابتدا اطلاعات چهره را جمع آوری می کند و هنگام ورود و خروج از دروازه گذرگاه عابر پیاده ، آن را با پایگاه داده Face مقایسه می کند. اگر مقایسه موفقیت آمیز باشد ، دروازه باز می شود. مدیریت مبتنی بر مقایسه داده های کاربر در تجهیزات کنترل دسترسی به تشخیص چهره است و از رایانه به عنوان ابزار پردازش پس زمینه برای تحقق کامل مدیریت خودکار پرسنل وارد و خارج از منطقه کنترل کانال و در آن استفاده می شود. در همان زمان ، می توان آن را به سرعت و به طور خودکار با توجه به سابقه ثبت نام کاربر تولید کرد. سوابق و گزارش های کنترل دسترسی را می توان با توجه به شرایط مرتب سازی مختلف از جمله زمان مورد نیاز کاربران صادر کرد ، که برای مدیران مناسب برای پرس و جو سوابق مناسب است و همچنین می تواند به عنوان یک سیستم حضور خودکار برای کارکنان داخلی استفاده شود.

سیستم های حضور در تشخیص چهره اصلی اساساً می توانند به سه دسته طبقه بندی شوند ، یعنی: روشهای مبتنی بر ویژگی های هندسی ، روشهای مبتنی بر الگوهای و روشهای مبتنی بر مدل ها.
1. روش مبتنی بر ویژگی های هندسی یک روش اولیه و سنتی است و برای دستیابی به نتایج بهتر ، معمولاً باید با سایر الگوریتم ها ترکیب شود.
2. روشهای مبتنی بر الگوی را می توان بر اساس تطبیق همبستگی ، روشهای ویژه ، روشهای تجزیه و تحلیل تبعیض آمیز خطی ، روشهای تجزیه ارزش مفرد ، روشهای شبکه عصبی ، روشهای اتصال به اتصال پویا و غیره تقسیم کرد.
3. روشهای مبتنی بر مدل شامل روشهای مبتنی بر مدل های مخفی مارکوف ، مدل های شکل فعال و مدل های ظاهر فعال است.
صورت انسان از قسمت هایی مانند چشم ، بینی ، دهان و چانه تشکیل شده است. این دقیقاً به دلیل تفاوت های مختلف در شکل ، اندازه و ساختار این قسمت ها است که هر چهره انسانی در جهان بسیار متفاوت است. بنابراین ، توصیف هندسی شکل و رابطه ساختاری این قسمت ها ، می تواند به عنوان یک ویژگی مهم حضور در تشخیص چهره استفاده شود.
از ویژگی های هندسی برای اولین بار برای توصیف و تشخیص مشخصات چهره انسان استفاده شد. اول ، تعدادی از نقاط برجسته با توجه به منحنی پروفایل تعیین می شوند و مجموعه ای از معیارهای ویژگی برای تشخیص مانند فاصله ، زاویه و غیره از این نقاط برجسته گرفته می شوند. جیا و همکاران. طرح انتگرال در نزدیکی خط در نقشه درجه روشی بسیار جدید برای شبیه سازی نقشه مشخصات جانبی است.
با استفاده از ویژگی های هندسی برای تشخیص چهره جلو و سیستم های حضور و غیاب ، به طور کلی موقعیت های نقاط مهم ویژگی مانند چشم ، دهان و بینی و شکل های هندسی اندام های مهم مانند چشم ها به عنوان ویژگی های طبقه بندی را استخراج می کند ، اما دقت استخراج ویژگی های هندسی بوده است آزمایش آزمایش شده تحقیق ، نتایج خوش بین نیستند.
روش الگوی تغییر شکل را می توان به عنوان بهبود روش ویژگی هندسی در نظر گرفت. ایده اصلی آن این است: طراحی یک مدل ارگان با پارامترهای قابل تنظیم ، یک عملکرد انرژی را تعریف کنید و با تنظیم پارامترهای مدل ، عملکرد انرژی را به حداقل برسانید. در این زمان ، پارامترهای مدل به عنوان ویژگی های هندسی اندام هستند.
ایده این روش بسیار خوب است ، اما دو مشکل وجود دارد. یکی این است که ضرایب وزنی هزینه های مختلف در عملکرد انرژی فقط با تجربه قابل تعیین است که ارتقاء آن دشوار است. مورد دیگر این است که فرآیند بهینه سازی عملکرد انرژی بسیار وقت گیر است و استفاده از آن در عمل دشوار است. نمایندگی چهره می تواند به توصیف ویژگی های برجسته صورت دست یابد ، اما به انتخاب پارامتر پیش پردازش و خوب نیاز دارد. در عین حال ، استفاده از ویژگی های هندسی عمومی فقط شکل و رابطه ساختاری قطعات را توصیف می کند و از ویژگی های ظریف محلی نادیده گرفته می شود. این امر باعث از بین رفتن بخشی از اطلاعات می شود ، که برای طبقه بندی خشن مناسب تر است ، و فناوری تشخیص نقطه ویژگی موجود از نظر کارآیی به دور از برآورده کردن الزامات نیست و میزان محاسبه نیز زیاد است.